register_ecc — MATCHREG `intensityreg` op

• Data kinds: image2d × image2d → table

• Call: import fullseye as fs; fs.ledger.register_ecc(fixed, moving, motion='affine', n_iter=200, eps=1e-06, warp_init=None, levels=1, smooth_sigma=1.1, nonpositive='raise', min_rho=0.0) (to call the implementation directly, import intensityreg; intensityreg.register_ecc(fixed, moving, motion='affine', n_iter=200, eps=1e-06, warp_init=None, levels=1, smooth_sigma=1.1, nonpositive='raise', min_rho=0.0); from the registry, opsmatchreg.get("register_ecc"))

• GPU: none (CPU reference implementation only)

Usage

Aligns moving to fixed with the parametric transform that maximises the enhanced correlation coefficient (ECC). → table (kind="registration").

> The detailed description below is the original text — the summary and the headings are translated.

Evangelidis & Psarakis(2008)の前向き加法の反復: 毎回 moving と勾配を今の変換で標本化し、急降下画像 G = ∇I · ∂W/∂p(平均を引く)とゼロ平均の 2 枚から、相関係数の 2 次近似の最大へ Δp を解く。相関係数は明るさのアフィンな違い(利得とずれ)に不変 —— 負の利得(白黒の反転) や折り返しのある対応には効かない(分母が 0 以下になったら ValueError。それには register_mi)。

motion: "translation"(2)/ "euclidean"(3、回転 + 並進)/ "affine"(6)/ "homography"(8)。levels > 1 で粗から細のピラミッド(OpenCV の findTransformECC には無い追加。初期のずれの許容が広がる —— register_capture_range で測れる)。

実測(96×96 の featmatch.synthetic_scene、3 次スプラインで合成、tests/test_intensityreg.py

が固定): 並進 (2.5, -1.5) px の誤差 < 0.05 px、アフィンの 4 隅誤差 < 0.1 px、OpenCV 5.0 の findTransformECC と変換の差 < 0.05 px。

Args:

fixed: 基準(テンプレート)の 2-D 画像。

moving: 合わせる 2-D 画像(大きさは違ってよい)。

motion: ECC_MOTIONS。

n_iter: 段ごとの反復の上限。

eps: 相関係数の変化がこれ未満で収束。

warp_init: 初期の変換(2×3 / 3×3、fixed → moving)。None なら恒等。

levels: ピラミッドの段数(1 = 原寸だけ、None なら最も粗い段が 16 px 以上で最大 3 段)。

smooth_sigma: 前処理のガウスの σ [px] (OpenCV の gaussFiltSize=5 は σ ≈ 1.1)。0 で無し。

nonpositive: 相関の 2 次近似の分母が 0 以下になったとき(初期値が遠い・撮像が違う)。"raise"

(既定、OpenCV と同じく ValueError)/ "step"(相関を正へ戻す λ を選んで続ける。初期のずれの

許容が広がることがある —— register_capture_range で測れる)。

min_rho: 収束した相関係数がこれ未満なら ValueError("step" で白黒反転の組を「合った」と

返さないための床)。

Returns:

dict(kind="registration", method="ecc")。warp (3,3) / flow2d (2,H,W) の

(dy, dx) / warped(fixed の格子へ戻した moving、外側は 0)/ valid / valid_fraction /

metric_name="ecc_rho" / metric(返す warp での相関係数)/ iterations / converged /

history(反復ごとの、その反復の更新前の warp の相関。反復の上限で止まったときは

history[-1] は返す warp の値ではなく metric と違いうる)/ model / image_shape。

Raises:

ValueError: 画像が不正 / motion が違う / 引数が値域外 / 初期の変換が特異 / 反復が発散 /

テンプレートが画像の外へ出た / 相関が負で ECC が定義できない(nonpositive="raise")/

収束した相関が min_rho 未満。

Detailed usage guide

• matching_registration family guide

References (sample data, literature)

• Sample-data catalog (download URLs / licences) — 2-D uses skimage.data (BSD/public domain) plus synthetic images; 3-D lists download URLs for real data sources (Stanford, PDS, …).

• Operator provenance and references — the sources of the research/methods this op family came from.

• The canonical algorithm (author, year) and its uses are named in the family usage guide above.

Runnable examples (verified samples that actually call this op)

• poc_multimodal_mi_registration — py -3.11 examples/poc_multimodal_mi_registration.py

Ops the type connects to (they accept `table` as input)

features_match · ransac_homography · ransac_fundamental · registration_to_flow2d

Same category (`intensityreg`)

register_mi · register_ffd · registration_to_flow2d · register_accuracy_map · register_capture_range

*Provenance: intensityreg.py — MATCHREG operator registry. This per-op note is generated by tools/opdocs.py md (do not hand-edit).*

register_ecc — MATCHREG intensityreg op